中国信息通信研究院产业与规划研究所与北京国际大数据交易所于2023年11月发布了一份关于数据清洗、去标识化、匿名化业务规程的报告。这份报告旨在规范数据处理行为，指导组织正确开展数据清洗、去标识化、匿名化等业务活动，以支持数据共享、交易、开放等活动的合规、有序进行，激活数据要素市场。
主要内容与关键数据
-
处理目标与关系：
- 数据清洗：是确保数据可用性的关键步骤，旨在提升数据质量，包括规范性、完整性、一致性、准确性及可追溯性。
- 去标识化：是数据脱敏的核心，通过移除或替换数据中的标识符，使得数据在不借助额外信息的情况下无法识别特定自然人或相关标识符。
- 匿名化：是去标识化的强化，不仅使数据无法识别特定自然人，而且即使借助额外信息也无法复原原始标识符。
-
处理原则：
- 合法合规：所有数据处理活动需遵循国家法律法规，确保不损害国家、社会和个人的合法权益。
- 安全优先：确保数据处理过程的安全性，降低数据在流通和应用环节的安全风险。
- 平衡效用：在确保安全的基础上，提升数据的可用性和效用。
- 技管结合：综合运用技术和管理手段，确保数据处理的最佳效果。
- 有效溯源：明确数据处理流程，记录详细的操作和参数，以便维护、审计和追溯。
-
数据清洗规程：
- 目的：确保数据规范、准确、完整、一致，并可追溯。
- 流程：包括抽取清洗对象、定义清洗规则、标识错误数据、数据修正处理、数据转换检验和评估清洗结果。
- 常见技术方法：涵盖残缺数据处理、偏差数据处理等，包括删除、填充、重新采集数据等方法。
-
数据去标识化规程：
- 目的：保护敏感信息，增强数据安全性。
- 流程：通过去除、替换或模糊数据中的标识符，使其在不借助额外信息的情况下无法识别特定自然人或相关标识符。
- 常见技术方法：包括统计学方法、关联规则分析、业务区分等，用于检测和标识错误数据。
-
数据匿名化规程：
- 目的：进一步强化数据安全，确保原始标识符难以复原。
- 流程：在去标识化的基础上，采取技术手段使标识符难以复原，降低数据可识别性。
- 常见技术方法：可能包括加密、哈希函数、数据混淆等技术。
-
数据处理环境要求：
- 管理制度：建立健全的数据处理管理制度。
- 技术能力：具备相应的数据处理技术能力和工具。
- 人员能力：数据处理团队应具备专业技能和安全意识。
- 过程控制：实施严格的过程控制，确保数据处理活动的合规性和有效性。
- 事故管理：建立有效的事故响应机制，及时处理数据处理过程中的问题。
结论
这份报告为数据处理提供了系统性的指导框架，旨在通过规范数据清洗、去标识化、匿名化等处理活动，提升数据质量、保障数据安全、促进数据流通，从而推动数据要素市场的健康发展。通过合理的数据处理策略和技术应用，可以有效激活数据要素价值，支持数字经济的发展。
